مترجم: مریم رضایی منبع: Kellogg Insight در «موسسه ملی سلامت» (NIH)، هر سال کمیته‌هایی متشکل از دانشمندان و متخصصان، هزاران درخواست کمک مالی را برای انجام پروژه‌های پژوهشی بررسی می‌کنند. وظیفه آنها این است که تصمیم بگیرند در کدام بخش سازمان، سرمایه‌گذاری صورت گیرد و کدام بخش باید تلاش کند روش‌های دیگری را برای تامین بودجه لابراتوارها، معاونان پژوهشی یا حتی حقوق ماهانه خود پیدا کند. این فرآیند به دلیل سختگیری بیش از حد نیست. تعداد دقیق بودجه‌هایی که تصویب می‌شود متفاوت است، اما به طور کلی، تقریبا ۸۰ درصد درخواست‌ها رد می‌شوند. از آنجا که نمی‌توان به همه پروژه‌ها بودجه داد، NIH به طور طبیعی از منابع محدود خود فقط برای بهترین پروژه‌ها استفاده می‌کند. اما مطمئنا هیچ فردی به تنهایی نمی‌داند کدام لابراتوارها به طور دائم باکیفیت‌ترین پژوهش را ارائه می‌دهند یا کدام چارچوب‌های نظری مطلوب‌ترند. بنابراین، NIH باید به گروه متخصصان خود متکی باشد. دنیله لی، استادیار مدیریت و استراتژی در مدرسه کلاگ می‌گوید: «اگر موضوعی پیچیده در مورد سم‌شناسی عصبی (Neurotoxicolgy) را ارزیابی می‌کنید و چیز زیادی در مورد آن نمی‌دانید، حتما از یک متخصص در این زمینه سوال می‌کنید.» این کارشناسان بهترین تجهیزات را برای تشخیص باکیفیت‌ترین پروژه‌ها از پروژه‌های معمولی در اختیار دارند.

به دنبال توازن

با این حال، این احتمال وجود دارد که این کارشناسان به نفع یا علیه برخی محققان، حوزه‌ها یا برنامه‌های تحقیق جهت‌گیری داشته باشند، آن هم به دلایلی که ربطی به کیفیت کار ندارد. دانشمندان معمولا به حوزه‌های تخصصی خود علاقه دارند و نیز وقتی یک پژوهش خاص بودجه می‌گیرد و اجرایی می‌شود، ممکن است شخصا از آن نفع ببرند. لی می‌گوید: «وقتی دانشمندی خواهان بررسی دو تحقیق کاملا مختلف می‌شود، من معمولا آن تحقیقی را ترجیح می‌دهم که در حوزه کاری‌ خودم باشد و این موضوع باعث می‌شود پروژه‌هایی با کیفیت پایین‌تر در رشته من جلوتر از افراد لایق‌تر در رشته‌های دیگر بودجه دریافت کنند.

سوالی که مطرح می‌شود این است که وقتی شخصی توصیه‌ای به شما می‌کند و می‌دانید ممکن است جهت‌گیری‌هایی وجود داشته باشد - و می‌دانید اطلاعاتی هم وجود دارد - چگونه باید در مورد ایجاد توازن فکر کنید؟»

در این شرایط، تخصص و جهت‌گیری کاملا هم‌مرزند و این مشکل فقط مختص NIH نیست. ماهیت صنعت پزشکی به این مشکل دامن می‌زند. به گفته لی، «تعداد زیادی از پزشکان اطلاعات در مورد داروهای جدید را از نمایندگانی که در شرکت‌های داروسازی دارند دریافت می‌کنند. این نمایندگان اطلاعات زیادی درمورد داروها دارند، اما هدف اصلی آنها فروختن دارو به شما ست.» در اینجا دوباره سوال بالا مطرح می‌شود: چگونه باید در مورد ایجاد توازن فکر کنید؟

شبیه‌سازی فرآیند بررسی

لی یک مدل ریاضی طراحی کرده تا این منافع رقابتی را شبیه‌سازی کند. سپس مدلش را برای مجموعه داده بیش از ۱۰۰ هزار درخواست کمک مالی در NIH به کار گرفته و امتیازی را که هر درخواست از کمیته بررسی دریافت کرده در نظر گرفته است بدون اینکه به تعلق گرفتن یا نگرفتن بودجه، اسامی درخواست‌دهندگان و نیز اسامی متخصصان توجه کند. به علاوه، لی مشخص کرده بود که چه تعداد از اعضای کمیته بررسی به طور مستقیم در رابطه با درخواست‌ها کار کرده‌اند و نیز کیفیت واقعی درخواست‌ها چگونه بوده است.

لی می‌گوید: سنجش مورد آخر به طورخاص بسیار چالش‌برانگیز بود. او نمی‌توانست به نوشته‌ها و نقل قول‌ها بعد از بررسی درخواست‌ها استناد کند، چون به نفع کسانی بود که توانسته بودند بودجه دریافت کنند و در نتیجه وجهه اعضای کمیته را بهتر از آن چیزی که بودند، نشان می‌داد. لی درعوض، فقط به نوشته‌ها و نقل قول‌های به دست آمده از داده‌های اولیه و پیش از بررسی کمیته مراجعه کرد.

اهمیت تخصص

همان‌طور که انتظار می‌رفت، او دریافت که هم جهت‌گیری و هم تخصص بر تصمیم‌گیری‌های NIH برای تخصیص بودجه اثر می‌گذارد. متخصصان بررسی درخواست‌ها بیشتر تمایل داشتند در رشته و حوزه‌های فعالیت خود سرمایه‌گذاری کنند، به طوری که برای هر عضو ثابت کمیته که کارش به درخواست مطرح شده مرتبط بود، شانس دریافت پول ۳ درصد افزایش داشت (اعضای ثابت کمیته نسبت به افرادی که تازه وارد یا موقت هستند، نفوذ بیشتری دارند.) همچنین، آن دسته از اعضای کمیته که کار مرتبط با درخواست کمک مالی انجام داده بودند، بهتر می‌توانستند بین پژوهش عالی و پژوهش بی‌کیفیت تمایز قائل شوند. یک عضو متخصص با حوزه کاری مرتبط، میزان حساسیت دیگر اعضای کمیته نسبت به کیفیت درخواست مطرح شده را بیش از ۵۰ درصد افزایش می‌دهد.

به گفته لی، در واقع در این مورد جنبه مثبت تخصص بر جنبه منفی جهت‌گیری غلبه می‌کند. این یعنی NIH در تلاش برای از بین بردن جهت‌گیری و تبعیض، باید در محدود کردن بیش از حد روابط متخصصان عضو کمیته بررسی محتاط باشد. به‌عبارت دیگر، تبعیض قائل شدن فقط به این دلیل که کیفیت به شدت به آن وابسته است، همیشه بد نیست. به گفته لی: «در بسیاری موارد نمی‌توان اطلاعات یک فرد را از اولویت‌هایی که او دارد جدا کرد.»

خطرات تبعیض

با این حال، لی محتاطانه اشاره می‌کند که تبعیض و جهت‌گیری در تخصیص بودجه به هیچ شکلی بی‌خطر نیست. وقتی پای قوانین مالی به میان می‌آید، جنبه‌های منفی تبعیض بر مزایای تخصص غلبه می‌کند. حتی در NIH، نادیده گرفتن جهت‌گیری افراد بررسی‌کننده، می‌تواند به شدت خطرناک باشد. لی می‌گوید، سناریویی را تصور کنید که در آن یک محقق از قبل می‌داند اعضای کمیته NIH علیه رشته یا موسسه او جهت‌گیری کرده‌اند و به او بودجه نخواهند داد. در این صورت، این سوالات را مطرح می‌کند که «آیا برای انجام یک پژوهش خوب سرمایه‌گذاری می‌کنم؟ آیا برای ارائه یک نامه درخواست خوب تلاش می‌کنم؟» تبعیض همچنان می‌تواند هزینه‌های زیادی به بار آورد، چون اگر افراد ببینند قرار است در آینده علیه آنها تبعیض صورت بگیرد، سرمایه‌گذاری آنها را از قبل تغییر می‌دهد.